隨著Internet技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)資源也飛速地增長著，科技文獻電子資源作為Internet信息資源的重要組成部分也在急速地膨脹著。在這種背景之下，推薦系統(tǒng)應(yīng)運而生，它根據(jù)用戶的興趣愛好推薦符合用戶興趣的對象，也稱為個性化推薦系統(tǒng)。協(xié)同推薦是一種常用的減少信息過載的技術(shù)，已經(jīng)成為了個性化推薦系統(tǒng)的一種主要工具。協(xié)同推薦的基本思想是通過參考與活動用戶具有相似興趣或者需求的其他用戶的選擇來決定如何為當(dāng)前用戶進行信息過濾產(chǎn)生推薦。 本文在研究和比較國內(nèi)外學(xué)者提出的各種推薦方法的基礎(chǔ)上，提出了兩種協(xié)同推薦的方法，一種是在基于用戶的協(xié)同推薦技術(shù)的基礎(chǔ)上提出了一種基于本體概念和用戶興趣的協(xié)同推薦算法，該算法利用本體詞表來獲得用戶的興趣向量。另外一種是在基于模型的協(xié)同推薦技術(shù)的基礎(chǔ)上提出了一種基于加權(quán)關(guān)聯(lián)規(guī)則的協(xié)同推薦算法，該算法選擇了資源的著錄時間參數(shù)作為生成資源項目權(quán)重的參數(shù)。 最后將這兩種協(xié)同推薦算法加以應(yīng)用設(shè)計和實現(xiàn)了科技文獻個性化信息推薦系統(tǒng)PIRS原型系統(tǒng)。該原型系統(tǒng)以軍用飛機領(lǐng)域的科技文獻作為推薦資源，根據(jù)推薦算法實現(xiàn)了基于用戶興趣特征的資源推薦和基于加權(quán)關(guān)聯(lián)規(guī)則的資源推薦。

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
目錄
圖表清單
1 緒論
    1.1 研究背景
        1.1.1 課題來源
        1.1.2 研究動因
    1.2 個性化推薦系統(tǒng)研究綜述
        1.2.1 推薦系統(tǒng)的概念
        1.2.2 推薦系統(tǒng)的研究現(xiàn)狀
        1.1.3 推薦系統(tǒng)的分類
    1.3 本文的研究意義和研究內(nèi)容
        1.3.1 研究意義
        1.3.2 研究內(nèi)容
    1.4 本論文的章節(jié)安排
2 協(xié)同推薦技術(shù)概述
    2.1 傳統(tǒng)推薦技術(shù)—基于內(nèi)容的推薦技術(shù)
    2.2 協(xié)同推薦技術(shù)的基本思想
    2.3 協(xié)同推薦技術(shù)的分類
    2.4 協(xié)同推薦技術(shù)的局限性
    2.5 協(xié)同推薦系統(tǒng)的組成
    2.6 本章小結(jié)
3 基于用戶興趣特征的協(xié)同推薦研究
    3.1 基于用戶的協(xié)同推薦原理
    3.2 用戶相似性的計算方法
        3.2.1 典型的相似性計算方法
        3.2.2 其它相似度度量方法
    3.3 基于用戶興趣特征的協(xié)同推薦技術(shù)
        3.3.1 用戶興趣信息的收集
        3.3.2 用戶興趣內(nèi)容的表示
        3.3.3 軍用飛機領(lǐng)域本體OntoAvion介紹
        3.3.4 基于本體概念和用戶興趣的協(xié)同推薦算法
    3.4 本章小結(jié)
4 基于加權(quán)關(guān)聯(lián)規(guī)則的協(xié)同推薦研究
    4.1 基于模型的協(xié)同推薦原理
    4.2 關(guān)聯(lián)規(guī)則概述
    4.3 經(jīng)典關(guān)聯(lián)規(guī)則的挖掘算法(Apriori算法)
        4.3.1 發(fā)現(xiàn)頻繁項集
        4.3.2 Apriori算法
        4.3.3 Apriori算法的改進
    4.4 基于加權(quán)關(guān)聯(lián)規(guī)則的協(xié)同推薦處理
        4.4.1 加權(quán)關(guān)聯(lián)規(guī)則的概念
        4.4.2 協(xié)同推薦中加權(quán)關(guān)聯(lián)規(guī)則的挖掘
        4.4.3 基于加權(quán)關(guān)聯(lián)規(guī)則的資源推薦
    4.5 本章小結(jié)
5 協(xié)同推薦技術(shù)在個性化推薦系統(tǒng)PIRS中的實現(xiàn)
    5.1 科技文獻個性化推薦系統(tǒng)PIRS的體系結(jié)構(gòu)
    5.2 科技文獻個性化推薦系統(tǒng)PIRS的主要模塊設(shè)計
    5.3 科技文獻個性化推薦系統(tǒng)PIRS系統(tǒng)原型的開發(fā)
        5.3.1 科技文獻個性化推薦系統(tǒng)PIRS的開發(fā)平臺與工具
        5.3.2 科技文獻個性化推薦系統(tǒng)PIRS的主要數(shù)據(jù)表結(jié)構(gòu)
    5.4 科技文獻個性化推薦系統(tǒng)PIRS的運行界面
        5.4.1 科技文獻個性化推薦系統(tǒng)PIRS的前臺交互界面
        5.4.2 科技文獻個性化推薦系統(tǒng)PIRS的后臺處理界面
    5.5 本章小結(jié)
6 結(jié)論與展望
    6.1 本文主要內(nèi)容總結(jié)
    6.2 本文的創(chuàng)新點
    6.3 進一步的工作
致謝
參考文獻
附錄A 攻讀碩士學(xué)位期間發(fā)表的論文



本文編號：3844129